1.一种用于嵌入式图像识别算法的优化方法，其特征在于，包括：

获取传感器监测的多模态监测数据，其中，所述多模态监测数据包括场景特征数据、多模态环境数据和硬件状态数据；

根据所述多模态环境数据获取风险评估特征数据，其中，根据所述多模态环境数据获取风险评估特征数据包括：根据所述多模态环境数据获取光谱图像数据、热辐射图像数据和气态分子数据，并根据所述光谱图像数据和所述热辐射图像数据获取光谱对齐图像和热辐射对齐图像；根据所述光谱对齐图像获取全局色度方差，并通过主成分分析根据所述全局色度方差获取光谱特征向量；根据所述光谱对齐图像和所述热辐射对齐图像获取时间戳特征点，并根据所述时间戳特征点和所述气态分子数据获取时间对齐气体数据；根据所述时间对齐气体数据获取CO浓度序列和浓度梯度，并根据所述CO浓度序列、浓度梯度和光谱特征向量获取颜色特征向量；根据所述热辐射对齐图像获取高温质心坐标和温度梯度矩阵，并根据所述高温质心坐标获取时空邻接矩阵；根据所述时空邻接矩阵和所述温度梯度矩阵获取热力学梯度张量，并根据所述时空邻接矩阵获取动态纹理熵值矩阵；

根据所述风险评估特征数据和所述场景特征数据获取动态风险等级；

根据所述硬件状态数据获取计算性能数据和运行性能数据，并根据所述计算性能数据、运行性能数据和动态风险等级获取初始图像处理参数；

根据所述计算性能数据、风险评估特征数据和初始图像处理参数获取实时匹配值；

判断所述实时匹配值是否大于预设阈值；

若所述实时匹配值大于预设阈值，则判定计算延迟满足实时性要求；

若所述实时匹配值不大于预设阈值，则判定计算延迟不满足实时性要求，并根据所述实时匹配值和所述动态风险等级对所述初始图像处理参数进行调整，直至所述实时匹配值大于预设阈值。

2.根据权利要求1所述的用于嵌入式图像识别算法的优化方法，其特征在于，所述根据所述风险评估特征数据和所述场景特征数据获取动态风险等级的步骤，包括：根据所述场景特征数据获取空间定位数据、光学特征参数和结构拓扑参数，并根据所述空间定位数据和所述结构拓扑参数获取区域功能类型；

根据所述区域功能类型和所述光学特征参数获取材质风险等级，并根据所述区域功能类型、材质风险等级和结构拓扑参数获取空间属性类别；

将所述颜色特征向量、动态纹理熵值矩阵和热力学梯度张量分别与空间属性类别进行相关性分析，得到对应的模态相关性系数，并根据所述模态相关性系数获取对应的关联权重指数；

根据所述颜色特征向量、动态纹理熵值矩阵和热力学梯度张量获取归一化特征数据集，并根据所述归一化特征数据集和所述关联权重指数获取动态风险等级。

3.根据权利要求1所述的用于嵌入式图像识别算法的优化方法，其特征在于，所述根据所述计算性能数据、运行性能数据和动态风险等级获取初始图像处理参数的步骤，包括：根据所述计算性能数据获取核心频率、基准频率、架构系数、利用率余量、剩余内存容量和内存碎片率，并根据所述核心频率、基准频率、架构系数和利用率余量获取资源综合指数；

根据所述剩余内存容量和所述内存碎片率获取内存健康度；

根据所述运行性能数据获取实时运行温度、安全阈值温度和最大允许温度，并根据所述实时运行温度、安全阈值温度和最大允许温度获取计算健康度；

根据所述资源综合指数和所述计算健康度获取分辨率参数；

获取风险‑资源映射表，并根据所述风险‑资源映射表和所述动态风险等级获取计算需求基准和内存需求基准；

根据所述内存需求基准和所述内存健康度获取模型架构参数，并根据所述资源综合指数和所述计算需求基准获取计算精度参数。

4.根据权利要求3所述的用于嵌入式图像识别算法的优化方法，其特征在于，所述根据所述计算性能数据、风险评估特征数据和初始图像处理参数获取实时匹配值的步骤，包括：根据所述计算性能数据获取硬件浮点算力有效值、芯片结温、周期操作数、内存带宽和处理周期，并根据所述硬件浮点算力有效值、核心频率、周期操作数、芯片结温和安全阈值温度获取CPU实时算力；

根据所述风险评估特征数据获取处理需求数据，并根据所述处理需求数据获取处理时间阈值和算法计算量；

根据所述算法计算量和所述CPU 实时算力获取理论处理时间，并根据所述理论处理时间和所述处理时间阈值获取算法匹配度；

根据所述剩余内存容量、内存碎片率、内存带宽和处理周期获取内存可用空间；

根据所述分辨率参数、模型架构参数和计算精度参数获取内存需求空间和需求带宽，并根据所述内存需求空间、内存可用空间、内存带宽和需求带宽获取内存匹配度；

根据所述算法匹配度和所述内存匹配度获取实时匹配值。

5.根据权利要求1所述的用于嵌入式图像识别算法的优化方法，其特征在于，所述根据所述实时匹配值和所述动态风险等级对所述初始图像处理参数进行调整的步骤，包括：根据所述实时匹配值和所述动态风险等级获取调整强度等级，并根据所述动态风险等级获取调整约束条件；

根据所述调整强度等级和所述调整约束条件获取参数调整数据集，其中，所述参数调整数据集包括多个分辨率调整数据、模型架构调整数据和计算精度调整数据；

将多个所述分辨率调整数据、模型架构调整数据和计算精度调整数据进行排列组合，得到多个参数调整组合集；

根据所述实时匹配值和所述调整约束条件对多个参数调整组合集进行筛分，得到最优参数调整组合，并将所述最优参数调整组合作为所述初始图像处理参数返回至根据所述计算性能数据、风险评估特征数据和初始图像处理参数获取实时匹配值的步骤。

6.一种用于嵌入式图像识别算法的优化系统，其特征在于，包括：

第一获取模块，用于获取传感器监测的多模态监测数据，其中，所述多模态监测数据包括场景特征数据、多模态环境数据和硬件状态数据；

第二获取模块，用于根据所述多模态环境数据获取风险评估特征数据，其中，根据所述多模态环境数据获取风险评估特征数据包括：根据所述多模态环境数据获取光谱图像数据、热辐射图像数据和气态分子数据，并根据所述光谱图像数据和所述热辐射图像数据获取光谱对齐图像和热辐射对齐图像；根据所述光谱对齐图像获取全局色度方差，并通过主成分分析根据所述全局色度方差获取光谱特征向量；根据所述光谱对齐图像和所述热辐射对齐图像获取时间戳特征点，并根据所述时间戳特征点和所述气态分子数据获取时间对齐气体数据；根据所述时间对齐气体数据获取CO浓度序列和浓度梯度，并根据所述CO浓度序列、浓度梯度和光谱特征向量获取颜色特征向量；根据所述热辐射对齐图像获取高温质心坐标和温度梯度矩阵，并根据所述高温质心坐标获取时空邻接矩阵；根据所述时空邻接矩阵和所述温度梯度矩阵获取热力学梯度张量，并根据所述时空邻接矩阵获取动态纹理熵值矩阵；

第三获取模块，用于根据所述风险评估特征数据和所述场景特征数据获取动态风险等级，具体地，所述第三获取模块包括：第一获取单元，用于根据所述场景特征数据获取空间定位数据、光学特征参数和结构拓扑参数，并根据所述空间定位数据和所述结构拓扑参数获取区域功能类型；第二获取单元，用于根据所述区域功能类型和所述光学特征参数获取材质风险等级，并根据所述区域功能类型、材质风险等级和结构拓扑参数获取空间属性类别；第三获取单元，用于将所述颜色特征向量、动态纹理熵值矩阵和热力学梯度张量分别与空间属性类别进行相关性分析，得到对应的模态相关性系数，并根据所述模态相关性系数获取对应的关联权重指数；第四获取单元，用于根据所述颜色特征向量、动态纹理熵值矩阵和热力学梯度张量获取归一化特征数据集，并根据所述归一化特征数据集和所述关联权重指数获取动态风险等级；

第四获取模块，用于根据所述硬件状态数据获取计算性能数据和运行性能数据，并根据所述计算性能数据、运行性能数据和动态风险等级获取初始图像处理参数；

第五获取模块，用于根据所述计算性能数据、风险评估特征数据和初始图像处理参数获取实时匹配值；

判断模块，用于判断所述实时匹配值是否大于预设阈值；

若所述实时匹配值大于预设阈值，则判定计算延迟满足实时性要求；

若所述实时匹配值不大于预设阈值，则判定计算延迟不满足实时性要求，并根据所述实时匹配值和所述动态风险等级对所述初始图像处理参数进行调整，直至所述实时匹配值大于预设阈值。

7.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。